基于正态分布的连续多蚁群算法及其化工应用

基于正态分布的连续多蚁群算法及其化工应用作者：蒲黎明学位授予单位：浙江大学相似文献(3条)1.期刊论文喻学才.张田文.YUXue-Cai.ZHANGTian-Wen多维背包问题的一个蚁群优化算法-计算机学报2008,31(5)蚁群优化(ACO)是一种通用的启发式方法,已被用来求解很多离散优化问题.近年来,已提出几个ACO算法求解多维背包问题(MKP).这些算法虽然能获得较好的解但也耗用太多的CPU时间.为了降低用ACO求解MKP的复杂性,文章基于一种已提出但未实现过的MKP的信息素表示定义了新的选择概率的规则和相应的基于背包项的一种序的启发式信息,从而提出了一种计算复杂性较低、求解性能较好的改进型蚁群算法.实验结果表明,无论串行执行还是虚拟并行执行,在计算.相同任务时,新算法耗用时间少且解的价值更高.不仅如此,在实验中,文中的新算法获得了ORLIB中测试算例5.250-22的两个新解.2.学位论文程志刚连续蚁群优化算法的研究及其化工应用2005对于复杂的过程系统而言，优化是改善系统性能的一种有效手段。优化技术对效率的提高、能耗的降低、资源的合理利用及经济效益的提高等均有显著的效果。化工系统是一类典型的复杂系统，随着目标问题的规模越来越大，模型结构也越来越复杂，实现系统的最优化也越来越困难，对现有的优化方法提出了挑战，因此对高效的智能化的优化技术的需求日益迫切。蚁群优化算法(AntColonyOptimization,ACO)是20世纪90年代早期出提出的一类群智能优化算法。其优越的问题分布式求解模式在组合优化问题的求解中取得了极大成功，引起了相关领域学者的广泛关注。而很多工程上的实际问题通常可以表达成为一个连续的最优化问题。如何有效地将全局优化性能优越但本质上离散的基本蚁群优化算法应用于连续空间的问题求解，此为亟待应对的挑战，这也是本文的主要研究内容。本文中，针对基本蚁群优化算法的离散性本质对其进行改进，应用算法混合的一般原则，将蚁群优化的基本思想与其他优化技术相融合，提出了两类基于蚁群优化思想的混合型连续优化算法。通过测试函数优化试验和实际化工系统的优化实践验证了这两类连续蚁群优化算法具有良好的全局优化性能，在化工系统优化领域有较大的应用潜力。本文的主要研究成果可以归纳如下：针对蚁群优化算法的离散性本质，将蚁群优化策略与实数编码的遗传算法相结合，并引入Powell方法作为优进策略，构建了一种混合连续蚁群优化算法HCACO。它将蚁群分工为全局蚂蚁和局部蚂蚁，分别引领种群中的个体在解空间中进行全局探索搜优和局部挖掘搜优，并在其引领的个体上释放信息素，增强该个体对其他蚂蚁的吸引力。算法调度两类蚂蚁的交替寻优，并且通过信息素来协调蚂蚁的行为，很好地均衡了算法的全局探索能力与局部挖掘能力，使HCACO算法对连续优化问题具有较高的优化效率和稳定性，全局寻优能力强，针对测试函数的优化性能试验的结果很好地说明了这一点。在函数优化试验的基础上对算法的参数取值进行了深入讨论，并给出了各参数的参考取值。最后将HCACO应用于神经网络的训练，并建立苯乙酰胺类农药QSAR的神经网络模型，模型预测性能良好。在对HCACO算法寻优机制深入分析的基础上，提出了基于蚂蚁分工的通用连续蚁群优化框架，对HCACO算法寻优机制进行了归纳和泛化。在该框架下提出了进化规划——蚁群优化算法(EP-ACO)，它将进化规划应用于全空间探索寻优，将模式搜索法应用于邻域空间局部搜索，其最大的特点是简洁性。优化试验的结果表明，EP-ACO优化效率高，全局优化性能好。与HCACO对比优化试验的结果表明，EP-ACO算法的简洁性对于提高算法的寻优效率作用较明显，同时又能保持好的优化效果，算法的稳定性也有一定提高。最后将EP-ACO用于二甲苯异构化装置的RBF-MCSR操作模型的条件优化，效果良好。受生物蚂蚁在连续空间中的觅食行为的启发，提出了信息素在连续空间中的正态分布假设，从而使蚂蚁可以直接根据信息素的分布在连续空间中进行位置转移，为将蚁群优化思想应用于连续优化问题奠定了基础。信息素的正态分布假设反映了蚁群在当前最优蚂蚁周围的聚集情况，体现了“蚂蚁的搜索主要集中在当前找到的最优解的邻域内”的蚁群优化思想的基本原则。基于连续空间中信息素的正态分布假设，提出了一种新的连续蚁群优化算法——混合连续蚁群系统(HybridContinuousAntColonySystem，HCACS)。算法扩展了蚁群系统(AntColonySystem，ACS)，将蚁群的优化目标由寻找最短路径改为搜索最优食物源。蚂蚁通过对信息素分布函数进行随机抽样，构成蚁群的状态转移规则，并随着蚂蚁的移动调整分布函数，实施信息素更新。信息素引导蚂蚁在连续的可行域中寻优，逐步向最优食物源聚集，而蚂蚁的聚集又改变了信息素的分布，这符合蚁群系统正反馈的基本特征。算法还逐步引入了优进策略和变异策略，以加强局部挖掘和全局探索机制，提高了HCACS算法的寻优能力和对复杂问题的适应性。HCACS算法的参数较少，设置简单，实用性较强。本文还将混合连续蚁群系统成功地应用于重油热解三集总反应动力学模型的参数估计，效果良好。HCACS是适用于实施模型参数优化的一种有效方法。根据连续蚁群优化算法中新个体(新候选解)的生成机制，应用Quinlan的算法分类准则将本文中的连续蚁群优化算法分为两类：HCACO和EP-ACO属于基于实体的连续蚁群优化算法，而HCACS属于基于模型的连续蚁群优化算法。然而由于算法混合的原因，HCACO和EP-ACO中部分体现了基于模型的方法的特点，HCACS中也部分体现了基于实体的方法的特点。3.期刊论文喻学才.张田文.YUXue-cai.ZHANGTian-wen一个蚁群优化模型的期望性能分析-计算机应用研究2009,26(4)用蚁群优化求解组合优化问题时,信息素模型及其规则可能使问题的各组件之间的竞争失衡,从而有可能使蚁群搜索停滞在最差解.研究了蚁群优化求解k-最小生成树问题时的信息素模型及其更新规则对性能的影响,对原有的信息素模型作出了新的解释:直接表示k-最小生成树问题的边被选择的概率.基于新的信息素模型设计了一种新的解的构造过程,这种过程不仅产生可行解,也产生不可行解;同时研究了使用可行解和全部解更新信息素模型时算法的迭代期望质量随时间的增减情况,其结果表明,只使用可行解时迭代期望质量随时间连续降低,而使用全部解时算法最终收敛到最优解.为了使用全部解,定义不可行解的不可行量及扩展目标函数使可行解的目标值不变而不可行解的目标值大于任何一个可行解.本文链接：授权使用：上海海事大学(wflshyxy)，授权号：0e76f220-8128-4f6a-9b1c-9e0e00a4b63c下载时间：2010年10月13日